Formation Machine Learning avec Scikit-Learn
Objectifs
Maîtriser les fonctionnalités et l’intégration avec Numpy et Scipy.
Charger, pré-traiter, standardiser, transformer et discrétiser les données.
Utiliser les modèles linéaires, quadratiques, les arbres décisionnels, les méthodes d’ensembles et les réseaux de neurones.
Estimer la performance des modèles, modifier les hyper-paramètres et utiliser les courbes d’évaluation pour des applications pratiques.
Pré-requis
Participants
Programme de formation
Présentation
Historique
Fonctionnalités
Lien avec Numpy et Scipy
Manipulation de données
Chargement de données
Pré-traitement de données
- Standardisation
- Transformations non linéaires
- Discrétisation
Génération de données
Analyse des données et classification
Modèles
- Linéaires
- Quadratiques
- Descente de gradient
Arbres décisionnels et méthodes d'ensembles
Recherche de clusters
- Modélisations
- Algorithmes
- Méthodes d'évaluation
Réseaux de neurones
Modèles d'apprentissage
Chargement et enregistrement
Génération de modèles
Estimation de la performance d'un modèle
Mesures de performance
Modification des hyper-paramètres
Application pratique avec les courbes d'évaluations